【ArcGIS Pro 3.7新增功能4】增强空间统计中【评估点聚合的图格大小】工具:分析字段和时间间隔

  • ArcGIS Pro 3.6 中引入了 "评估点聚合的图格大小"工具。

将点数据聚合到网格箱中是一种常见的工作流程,但可变面积单元问题 (MAUP) 使得找到合适的箱大小变得具有挑战性。

该工具通过在汇总数据和保留模式之间找到折衷方案,帮助用户选择合适的箱体大小。

  • ArcGIS Pro 3.7 为该工具带来了两项重要增强功能:

当数据点带有时间戳时,现在可以设置时间字段来查找适合时空聚合的箱大小。

当数据点具有数值时,现在可以设置分析字段来查找合适的箱体大小,以平衡数据的汇总和数值方差的损失。

我们通常将点聚合到网格中的不同区间内,以便理解空间模式。但我们选择的区间大小对最终生成的地图及其所呈现的信息起着至关重要的作用。相同的点数据在不同的聚合尺度下可以呈现出截然不同的信息。

1、如何选择合适的箱体大小

"评估点聚合的图格大小"工具的发布旨在帮助用户更有信心地做出这项决策。该工具通过测试一系列箱体大小,找到既能充分概括数据又能保留数据空间点模式的箱体(图格)。

然而,这又引发了新的问题:

  • 如果数据点带有时间戳,我应该使用多大的箱体大小?

  • 如果数据点具有感兴趣的值,我应该使用多大的箱体大小?

ArcGIS Pro 3.7 中,该工具现在支持两项增强功能,可以帮助解答这些问题。让我们来看看它们是如何工作的。

2、数据点带有时间戳,使用多大的箱体(图格)大小?

当数据点带有时间戳时,您可以创建时空区间来分析趋势并进行预测。但与MAUP中描述的相同挑战在考虑时间时依然存在:区间大小决定了我们发现的趋势和我们创建的预测。

那么,我们应该使用多大的箱体尺寸呢?

现在,您可以使用"时间字段"和"时间间隔"参数来查找合适的箱体大小,以便在数据以时间间隔出现时能够正确处理较为稀疏的模式。例如:

  • 您需要分析全市 311个服务请求点的每周趋势。

  • 您需要将"时间字段"参数设置为包含请求日期和时间的字段。

  • 您将时间间隔参数设置为 1 周。

  • 该工具将请求点按周间隔划分,然后找到合适的区间大小。

输出图层具有时间特性,并包含每个时间间隔的一组特征,因此您可以查看聚合模式随时间的变化。

将华盛顿特区的 311 个事件点汇总到一周的时间间隔内,揭示了空间和时间上的变化模式。

在继续进行分析之前,可以将得到的箱体大小用作"通过聚合点创建时空立方体"工具的箱体大小。

将数据聚合到时空立方体中,可以识别空间和时间上的模式(在本例中使用新兴热点分析)。

3、数据点具有感兴趣的值,应该使用多大的箱体大小?

我们需要分析点的数值,还可以将点的数值汇总到网格上的不同区间。例如,与其只查看餐厅的点位位置,不如分析每个区间内餐厅点位的平均销售收入。

我们在聚合数值时也会面临类似的MAUP挑战,但这里出现了一个新的考虑因素:只有当各点值与均值差异不大时,组均值才能很好地代表某个区域。随着组距越来越大,均值往往无法很好地代表组内区域。

那么,我们如何找到一个合适的箱体大小,既能概括足够的信息,又不会丢失太多信息呢?

现在您可以设置分析字段,使工具的箱体大小建议由平均属性值而不是点计数来驱动。

这对于以数值本身为重点的情况非常有用,例如企业销售收入、污染物浓度或事故响应时间,并且您希望所选的区间大小优先保留这些数值的空间模式。使用分析字段时,您可以选择合并重合点(对共位点的值取平均值并将其视为单个点)或分别处理这些点。

归根结底,选择分箱大小仍然是一个分析决策。但借助"评估点聚合分箱大小"工具,您可以更好地了解尺度如何影响数据,从而做出更明智的决策。无论您是评估点计数、分析字段值,还是评估两者随时间的变化,该工具都能指导您找到既能保留空间模式又能概括数据的分箱大小。我们鼓励您使用自己的数据尝试这些新功能,看看周全的聚合选择如何能够更好地展现数据背后的故事,而不是使其变得模糊不清。

转载请注明出处:【ArcGIS Pro 3.7新增功能4】增强空间统计中【评估点聚合的图格大小】工具:分析字段和时间间隔

作者:中科GIS地理信息培训 www.higisedu.cn

相关推荐
武子康11 小时前
从世界状态到可执行控制:Cosmos 3 Edge 与机器人控制器之间应建立什么合同
人工智能·agent·nvidia
Warren2Lynch11 小时前
掌握 UML 构造型、标记定义与标记值:面向领域特定建模的 UML 扩展全面指南
大数据·算法·uml
我是大卫11 小时前
【图】解LLM:用图理解大语言模型
人工智能
1570925113411 小时前
【无标题】
开发语言·python·算法
勇叔11 小时前
从 LangChain SQLAgent 天生缺陷到五把安全锁落地 — 牧场 AI 查询实战踩坑指南
人工智能
稚南城才子,乌衣巷风流11 小时前
换根法(Rerooting)算法详解
算法
晓子文集11 小时前
Tushare接口文档:期货交易日历(fut_trade_cal)
大数据·算法
Kel11 小时前
GQA 与 KV 缓存(Grouped-Query Attention & KV Cache)
人工智能
DogDaoDao11 小时前
OpenBrowser 深度解析:让 AI 真正「用上」浏览器的自主代理框架
人工智能·程序员·大模型·github·web·ai工具·openbrowser
_Jimmy_11 小时前
Tool Calling 与 Function Calling 区别
人工智能·python·langchain